The Quitting Rollercoaster: How Recent Quitting History Affects Future Cessation Outcomes (Data From the International Tobacco Control 4-Country Cohort Study)
Notice bibliographique
Résumé
INTRODUCTION: Most smokers have a history of unsuccessful quit attempts. This study used data from 7 waves (2002-2009) of the International Tobacco Control 4-country cohort study to examine the role of smokers' quitting history (e.g., recency, length, and number of previous quit attempts) on their subsequent likelihood of making a quit attempt and achieving at least 6 months of sustained abstinence. METHODS: Generalized estimating equations were used, allowing for estimation of relationships between variables across repeated observations while controlling for correlations from multiple responses by the same individual (29,682 observations from 13,417 individuals). RESULTS: The likelihood of a future quit attempt increased independently with recency and number of prior attempts. By contrast, the likelihood of achieving sustained abstinence of at least 6 months was reduced for smokers with a failed quit attempt within the last year (15.1% vs. 27.1% for those without, p < .001). Two or more failed attempts (vs. only one) in the previous year were also associated with a lower likelihood of achieving sustained abstinence (OR: 0.57, 95% CI: 0.38-0.85). Effects persisted after controlling for levels of addiction, self-efficacy to quit, and use of stop-smoking medications. CONCLUSIONS: There appears to be a subset of smokers who repeatedly attempt but fail to remain abstinent from tobacco. Understanding why repeated attempts might be less successful in the long term is an important research priority because it implies a need to tailor treatment approaches for those who are motivated to quit but persistently relapse back to smoking.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».